这篇主要基于2016年CVPR的一篇论文:Mnemonic Descent Method-A?? Recurrent Process Applied for End-To-End Face Alignment_CVPR_2016_paper来讲。这篇论文中采用了一种Mnemonic Descent Method,MDM保持了记忆单元来对所有过去输入空间地信息。论文中介绍的方法有如下特点:输入图像,给定初始值x0,选取特征在这里插入图片描述点局部块,然后输入到卷积网络中提取特征,fc是卷积的特征结果,然后fr是全连接层。其最大的特点,是把每一级的第一层全连接层的结果h,和下一级的卷积层结果fc结合起来输入到下一级的全连接层,意思是不损失上一级梯度下降的信息,同时,所有的级可以一起训练了,而不必分开训练了
04-27
“相关推荐”对你有帮助么?
-
非常没帮助
-
没帮助
-
一般
-
有帮助
-
非常有帮助
提交